Scuola di Biofotonica e Intelligenza Artificiale
- Dettagli
- Pubblicato: Venerdì, 29 Luglio 2022 17:16
organizzata da
Scuola di Biofotonica e Intelligenza Artificiale
5-9 Settembre 2022
Firenze
La Biofotonica ha applicazioni che vanno dalla rilevazione di sostanze chimiche, biologiche e microorganismi, all’imaging biomedicale, generando dati informativi ad alta complessità. L’Intelligenza Artificiale (AI) è una disruptive technology, con applicazioni che pervadono ogni campo del sapere.
Paradigmi quali Machine learning, Deep Learning e Reinforcement Learning sono infatti in grado non solo di trovare pattern nascosti in dati complessi, ma anche di ispirare nuove interpretazioni teoriche e sperimentali.
La Scuola nasce proprio con lo scopo di esplorare l’intersezione fra queste 2 discipline, andando a creare un percorso formativo per lo sviluppo di applicazioni dell’AI nel campo della Biofotonica.
BpAI combinerà lezioni frontali a lavoro di gruppo: gli studenti, organizzati in team, avranno la possibilità di collaborare a un progetto applicativo; il risultato verrà illustrato dai vari gruppi durante l’ultimo giorno della Scuola.
In particolare, gli studenti avranno la possibilità di partecipare ad un Datathon, ossia di lavorare in prima persona, con tecniche di Machine Learning, all’analisi di dati provenienti da dispositivi biofotonici o da analisi tradizionali, seguiti e supportati dai docenti della Scuola.
- La Scuola ha lo scopo di esplorare le applicazioni dell’AI nel campo della biofotonica. Ci aspettiamo un impatto sostanziale della Scuola in termini di cross-fertilizzazione fra i diversi argomenti e condivisione delle conoscenze tra relatori e partecipanti.
- Le aree coperte includono (ma non sono limitate):
- Progettazione e sviluppo di dispositivi biofotonici;
- Imaging biofotonico;
- Complessità nei sistemi biofotonici;
- Complessità nei nuovi materiali, in dispositivi e componenti emergenti come micro-risonatori e nanostrutture plasmoniche;
- Intelligenza Artificiale (AI):
- Introduzione all’AI;
- Statistica per il Machine Learning;
- Introduzione ai linguaggi di programmazione nell’ambito dell’AI (Python, R, Java) di interesse in Biofotonica, e delle librerie più note (scikit learn, Keras, Tensorflow2.0, etc.);
- Machine Learning;
- Deep Learning:
- Reti neurali Convoluzionali (CNN);
- Reti neurali per segnali temporali (RNN, LSTM, Transformers);
- Autoencoder;
- GAN;
- Graph Neural Networks;
- Reinforcement Learning;
- Transfer Learning, Data augmentation, etc.;
- Applicazioni dell’AI per la progettazione di sensori biofotonici;
- Applicazioni dell’AI per l’analisi di dati biofotonici;
- Introduzione a Explainability, Interpretability, Trustworthy.
in collaborazione con
 |
 |
